始める無料で始める

推定

前の演習では、ACF と PACF の結果がやや決め手に欠けました。データは ARMA(p, q) モデルか、あるいは完全ではない AR(3) モデルの可能性が示唆されています。この演習では、いくつかの次数を網羅的に試し、AIC に基づいて最良のモデルを探します。

時系列 savings はすでに読み込まれており、ARIMA クラスも環境にインポートされています。

この演習はコースの一部です

Pythonで学ぶARIMAモデル

コースを見る

演習の手順

  • p を 0 から 3、q を 0 から 3 までループします。
  • ループ内で ARMA(p, q) モデルを作成します。
  • 次に、そのモデルを時系列 savings に当てはめます。
  • 各ループの最後に、p と q の値、および AIC と BIC を出力します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Loop over p values from 0-3
for p in ____:
  
  # Loop over q values from 0-3
    for q in ____:
      try:
        # Create and fit ARMA(p,q) model
        model = ____(____, order=____)
        results = ____
        
        # Print p, q, AIC, BIC
        print(____)
        
      except:
        print(p, q, None, None)
コードを編集して実行